CN101673086B - 用于估计功率电子系统状态的方法 - Google Patents

用于估计功率电子系统状态的方法 Download PDF

Info

Publication number
CN101673086B
CN101673086B CN200910175936.7A CN200910175936A CN101673086B CN 101673086 B CN101673086 B CN 101673086B CN 200910175936 A CN200910175936 A CN 200910175936A CN 101673086 B CN101673086 B CN 101673086B
Authority
CN
China
Prior art keywords
vector
sampling time
time point
state vector
system state
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN200910175936.7A
Other languages
English (en)
Other versions
CN101673086A (zh
Inventor
S·高洛克
G·帕帕福蒂奥
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
ABB Research Ltd Sweden
Original Assignee
ABB Research Ltd Sweden
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by ABB Research Ltd Sweden filed Critical ABB Research Ltd Sweden
Publication of CN101673086A publication Critical patent/CN101673086A/zh
Application granted granted Critical
Publication of CN101673086B publication Critical patent/CN101673086B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P23/00—Arrangements or methods for the control of AC motors characterised by a control method other than vector control
    • H02P23/12—Observer control, e.g. using Luenberger observers or Kalman filters

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Automation & Control Theory (AREA)
  • Power Engineering (AREA)
  • Computational Mathematics (AREA)
  • Medical Informatics (AREA)
  • Mathematical Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Pure & Applied Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Algebra (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Dc-Dc Converters (AREA)
  • Control Of Electric Motors In General (AREA)
  • Combined Controls Of Internal Combustion Engines (AREA)
  • Measurement Of Resistance Or Impedance (AREA)
  • Output Control And Ontrol Of Special Type Engine (AREA)
  • Control Of Ac Motors In General (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明的名称为用于估计功率电子系统状态的方法，给出一种用于估计功率电子系统(1)的状态的方法，其中系统(1)具有变频器电路(4)，在该方法中对于采样时间点k＝-N+1到k＝0中的每一个采样时间点使系统状态向量x(k)和系统状态向量x(k+1)如此变化，即，使得系统状态向量x(k+1)与第一系统模型函数f(x(k)，u(k))的差的向量范数和输出量向量y(k)与第二系统模型函数g(x(k)，u(k))的差的向量范数相加的和在采样时间点k＝-N+1到k＝0上最小，其中选择在采样时间点k＝0时的期望系统状态向量x(k)。

Description

用于估计功率电子系统状态的方法
技术领域
本发明涉及控制技术中的估计方法领域。本发明源于根据独立权利要求的前序的、用于估计功率电子系统状态的方法。
背景技术
当今功率电子系统应用在很多应用领域中。典型地，这种功率电子系统包含带有多个可驱动功率半导体开关的变频器电路和可驱动功率半导体电路的对应的驱动电路。在变频器电路上通常连接一个或者多个负载，但是这些负载在时间上可能变动很大，例如因为干扰。例如这样的负载可能是一个或者多个电动机，其中一般可设想任意一个电气负载。功率电子系统的状态，例如感性负载电流和容性负载电压，实际上就是与这些变动(Variation)相关而可能很难获得，也就是说只有借助很大的消耗或者完全不能获得(例如通过测量)。因此有必要对功率电子系统状态进行估计，其中被估计的状态则可以在控制单元中进一步处理。常见的用于估计功率电子系统中状态的方法就是应用时间离散的卡尔曼滤波器，如文献“Braided extended Kalman filters forsensorless estimation in induction motors at high-low/zero speed”，IETControl Theory，Appl.，2007所给出的那样。为了能够进行状态估计，例如应用时间离散的卡尔曼滤波器，首先必须按照下面的方法步骤进行：
(a)对于采样时间点k＝-N+1到k＝0确定输出量向量y(k)，其中N是可预先设定的采样水平(Abtasthorizont)，其中y是例如变频输出电压的输出量，其例如可通过测量获得。
(b)对于采样时间点k＝-N+1到k＝0确定调整量向量u(k)，其中调整量例如是变频器电路的调节系数。
(c)确定用于描述功率电子系统的、采样时间点k时的第一系统模型函数f(x(k)，u(k))，该函数依赖于在采样时间点k时的调整量向量u(k)和系统状态向量x(k)，以及
(d)确定用于描述功率电子系统的、采样时间点k时的第二系统模型函数g(x(k)，u(k))，该函数依赖于在采样时间点k时的调整量向量u(k)和系统状态向量x(k)。
在应用时间离散的卡尔曼滤波器来估计功率电子系统的状态x时的问题是，状态的附加条件只有在很大消耗时才可以考虑或者根本无法考虑，附加条件是例如感性负载电流和/或容性负载电压可以被限制或者非负的条件。分段的仿射线性系统模型函数f(x(k)，u(k))，g(x(k)，u(k))表示了卡尔曼滤波器进一步的问题(这些函数描述给出的功率电子系统)，因为在采用时间离散的卡尔曼滤波器估计时，这同样不能考虑或者只有在很大量消耗时才可以考虑。
发明内容
因此，本发明的目的在于，给出一种用于估计功率电子系统状态的方法，该方法允许对大范围的功率电子系统进行状态估计而且还可以简单地实现。该任务通过权利要求1的特征解决。在从属的权利要求中给出了本发明的有利的改进方案。
在根据本发明的用于估计功率电子系统状态的方法中，系统具有变频器电路。该方法采用下列步骤：
(a)对于采样时间点k＝-N+1到k＝0确定输出量向量y(k)，其中N是可预先设定的采样水平。
(b)对于采样时间点k＝-N+1到k＝0确定调整量向量u(k)，
(c)确定用于描述功率电子系统的、采样时间点k时的第一系统模型函数f(x(k)，u(k))，该函数依赖于在采样时间点k时的调整量向量u(k)和系统状态向量x(k)，以及
(d)确定用于描述功率电子系统的、采样时间点k时的第二系统模型函数g(x(k)，u(k))，该函数依赖于在采样时间点k时的调整量向量u(k)和系统状态向量x(k)。
按照本发明，在采样时间点k＝0对系统状态向量x(k)的估计以下列步骤实现：
(e)对于采样时间点k＝-N+1到k＝0中的每个采样时间点使系统状态向量x(k)和系统状态向量x(k+1)如此变化，即，使得系统状态向量x(k+1)与第一系统模型函数f(x(k)，u(k))的差的向量范数和输出量向量y(k)与第二系统模型函数g(x(k)，u(k))的差的向量范数相加的和在采样时间点k＝-N+1到k＝0上最小，
(f)选择在采样时间点k＝0的系统状态向量x(k)，而且
(g)第一系统模型函数f(x(k)，u(k))与第二系统模型函数g(x(k)，u(k))分别是仿射线性的或者备选地分别是分段仿射线性的。
在目前也就是当前的时间点k＝0时的期望的被估计状态则作为在采样时间点k＝0的系统状态向量x(k)的向量元素被包含在内，也就是在系统状态向量x(0)中。有利地，根据本发明的方法允许在状态估计时附加条件也可以毫无问题地得到考虑，这些附加条件是状态和输入的分段仿射线性关系。如果功率电子系统可以通过分段仿射线性系统模型函数f(x(k)，u(k))，g(x(k)，u(k))描述，该系统模型函数f(x(k)，u(k))，g(x(k)，u(k))同样可以在状态估计时有利地、非常简单地被考虑。总而言之，由此根据本发明的方法允许对极大范围的功率电子系统进行状态估计而且还可以非常简单地实现。
上述发明的该任务和其它任务、优点和特点会通过下面本发明的优选实施方式结合附图的详细描述进行阐明。
附图说明
其中：
图1显示了带有控制单元且带有估计装置的功率电子系统结构的实施方式，该估计装置按照根据本发明的方法进行功率电子系统的状态估计。
附图中使用的附图标记及其含义总结列于附图标记列表。基本上图中相同的部分设为相同的附图标记。所述实施方式示例地表示专利的主题而没有限制作用。
附图标记列表
1.功率电子系统
2.估计装置
3.控制单元
4.变频器电路
5.驱动电路(Ansteuerschaltung)
具体实施方式
在图1中显示了带有控制单元3且带有估计装置2的功率电子系统1结构的实施方式，该估计装置按照根据本发明的方法对功率电子系统1的状态x的进行估计。为了清楚明了，一个或者多个与功率电子系统1相连的负载没有在图1中示出。功率电子系统1包括带有多个可驱动功率半导体开关的变频器电路4以及所对应的驱动电路5，该驱动电路5用于驱动(ansteuern)带有驱动信号S的功率半导体。该驱动电路5例如借助于调整量u的脉冲宽度调制产生驱动信号S，例如调整量u是变频器电路的调节系数。根据图1，例如功率电子系统1的输出量y是变频器输出电压，例如可以通过测量获得该变频器输出电压。此外图1所示的结构还包含开始时已经提到的估计装置2，该估计装置2按照根据本发明的方法对功率电子系统1的状态x进行估计。该功率电子系统的要估计的状态x例如是感性负载电流和容性负载电压。现在，下面就详细地讨论根据本发明的方法。在步骤(a)，对于采样时间点k＝-N+1到k＝0确定输出量向量y(k)，其中N是可预先设定的采样水平。那么输出量向量y(k)的元素就是对于采样时间点k＝-N+1到k＝0的输出量y，例如通过测量确定的变频器输出电压。在步骤(b)，对于采样时间点k＝-N+1到k＝0确定调整量向量u(k)，其中调整量向量u(k)的元素是对于采样时间点k＝-N+1到k＝0的调整量u，例如调节系数。在步骤(c)，确定用于描述功率电子系统1的、采样时间点k时的第一系统模型函数f(x(k)，u(k))，该函数依赖于在采样时间点k时的调整量向量u(k)和系统状态向量x(k)。此外在步骤(d)，确定用于描述功率电子系统1的、采样时间点k时的第二系统模型函数g(x(k)，u(k))，该函数依赖于在采样时间点k时的调整量向量u(k)和输出量向量x(k)。
用于描述功率电子系统1的采样时间点k时的第一系统模型函数f(x(k)，u(k))一般可以如下确定：
f ( x ( k ) , u ( k ) ) = A 1 x ( k ) + B 1 u ( k ) + v 1 , F 1 x ( k ) + E 1 u ( k ) ≤ G 1 A 2 x ( k ) + B 2 u ( k ) + v 2 , F 2 x ( k ) + E 2 u ( k ) ≤ G 2 . . A M x ( k ) + B M u ( k ) + v M , F M x ( k ) + E M u ( k ) ≤ G M ,
其中A1...AM，B1...BM，F1...EM和E1...EM是矩阵而V1...VM是向量且向量G1和G2是边界，它们把第一系统模型函数f(x(k)，u(k))定义为仿射线性或者分段仿射线性。已经提到，如果功率电子系统可以这样描述的话，那么通过对向量G1...GM以及V1...VM和矩阵A1...AM，B1...BM，F1...FM，E1...EM合适的选择就可以实现连续仿射线性函数。
用于描述功率电子系统1的采样时间点k时的第二系统模型函数g(x(k)，u(k))一般可以如下确定：
g ( x ( k ) , u ( k ) ) = C 1 x ( k ) + D 1 u ( k ) + w 1 , F 1 x ( k ) + E 1 u ( k ) ≤ G 1 G 2 x ( k ) + D 2 u ( k ) + w 2 , F 2 x ( k ) + E 2 u ( k ) ≤ G 2 . . C M x ( k ) + D M u ( k ) + w M , F M x ( k ) + E M u ( k ) ≤ G M ,
其中C1...CM，D1...DM，F1...FM和E1...EM是矩阵而W1...WM是向量且向量G1和G2是边界，它们把第二系统模型函数g(x(k)，u(k))同样定义为仿射线性或者分段仿射线性。已经提到，如果功率电子系统可以这样描述的话，那么通过对向量G1...GM以及W1...WM和矩阵C1...CM，D1...DM，F1...FM，E1...EM合适的选择就可以实现一个连续仿射线性函数。
按照本发明，在采样时间点k＝0也就是当前时间点的系统状态向量x(k)的估计以下文中所述进一步的步骤实现：
(e)对于采样时间点k＝-N+1到k＝0中的每一个采样时间点使系统状态向量x(k)和系统状态向量x(k+1)如此变化，即，使得系统状态向量x(k+1)与第一系统模型函数f(x(k)，u(k))的差的向量范数和输出量向量y(k)与第二系统模型函数g(x(k)，u(k))的差的向量范数相加的和在采样时间点k＝-N+1到k＝0上最小，
(f)选择在采样时间点k＝0的系统状态向量x(k)。
在目前也就是当前的时间点k＝0的期望的被估计状态作为在采样时间点k＝0的系统状态向量x(k)的向量元素被包含在内，也就是在系统状态向量x(0)中。例如这些向量元素是在采样时间点k＝0的感性负载电流和容性负载电压。有利地，根据本发明的方法允许在估计状态x时状态x的附加条件也可以毫无问题地得到考虑。如果功率电子系统可以通过仿射线性或者分段仿射线性系统模型函数f(x(k)，u(k))，g(x(k)，u(k))描述，该系统模型函数f(x(k)，u(k))，g(x(k)，u(k))同样可以在估计状态x时有利地非常简单地被考虑。总而言之，由此根据本发明的方法允许对极大范围的功率电子系统1进行状态x估计而且可以非常简单地实现。
然后可以在控制单元3中进一步处理按照根据本发明的方法估计的状态x，也就是说例如调节到相应的额定状态Xref。如同例如由文献EP 1 670 135 A1已知的，控制单元3优选按照模型预测控制原理(Mode-Predictive-Control)工作。自然也可以考虑任何其它的控制原理或者任何控制特性。
上述总和可以根据下述公式描述为总和J：
J = Σ k = - N + 1 0 ( | | x ( k + 1 ) - f ( x ( k ) , u ( k ) ) | | W x q + | | y ( k ) - g ( x ( k ) , u ( k ) ) | | W y q ) ,
其中Wx和Wy分别是与状态向量x(k)和x(k+1)相关以及与输出量向量y(k)相关的加权矩阵。标志q给出可选择的向量范数。优选地将绝对值和范数(Betragssummennorm)选为系统状态向量x(k+1)与第一系统模型函数f(x(k)，u(k))的差的向量范数，也就是说对于表达式 | | x ( k + 1 ) - f ( x ( k ) , u ( k ) ) | | W x q , 其中q＝1。
此外，优选地，类似地将绝对值和范数选择为输出量向量y(k)与第二系统模型函数g(x(k)，u(k))的差的向量范数，也就是对于表达式
Figure G2009101759367D00072
其中还是q＝1。有利地，绝对值和范数，也就是说q＝1，可以很容易地实现。
作为备选还可以考虑分别将欧氏范数选为系统状态向量x(k+1)与第一系统模型函数f(x(k)，u(k))的差的向量范数和输出量向量y(k)与第二系统模型函数g(x(k)，u(k))的差的向量范数，也就是说q＝2。
作为又一备选还可以考虑，将最大范数分别选为系统状态向量x(k+1)与第一系统模型函数f(x(k)，u(k))的差的向量范数和输出量向量y(k)与第二系统模型函数g(x(k)，u(k))的差的向量范数，也就是说q＝∞。
已经提到，还可以考虑其他的范数。此外可以设想，也为单个差值选择不同的范数，也就是说例如有可能，将绝对值和范数选为系统状态向量x(k+1)与第一系统模型函数f(x(k)，u(k))的差的向量范数，那么其中q＝1，与之不同，将欧氏范数选为输出量向量y(k)与第二系统模型函数g(x(k)，u(k))的差的向量范数，也就是说q＝2。在此一般可以考虑所有的组合。
如上所述，对于采样时间点k＝-N+1到k＝0中的每一个采样时间点使系统状态向量x(k)和系统状态向量x(k+1)如此变化，即，使得总和J在采样时间点k＝-N+1到k＝0上最小。对于采样时间点k＝-N+1到k＝0的每一个采样时间点系统状态向量x(k)和系统状态向量x(k+1)的变动也可以存入表格(查找表)，其中对于采样时间点k＝-N+1到k＝0中的每一个采样时间点，系统状态向量x(k)和系统状态向量x(k+1)对应于每个输出量向量y(k)和调整量向量u(k)。那么仅必须从表格中读出期望的采样时间点k＝0时的系统状态向量x(k)也就是系统状态向量x(0)，其中系统状态向量x(0)的向量元素是目前也就是当前的时间点k＝0时的期望的被估计状态x。该表格可以事先也就是脱机(offline)建立，从而，在使总和J最小的标准存在偏差时，有利地，不必联机进行计算密集的运算。上面所提到的表格可以保存到或者存储到估计装置2中或者估计装置2随后访问的分离的存储媒体中。
与之相反，如果存在足够的计算能力资源，例如通过处理器，特别是数字信号处理器，那么对于采样时间点k＝-N+1到k＝0的每一个采样时间点的系统状态向量x(k)和系统状态向量x(k+1)的变动就可以连续也就是联机计算。

Claims (7)

1.一种用于估计功率电子系统(1)状态的方法，其中所述系统(1)具有变频器电路(4)，所述方法采用下列步骤
(a)对于采样时间点k=-N+1到k=0确定所述变频器电路的输出量向量y(k)，其中N是可预先设定的采样水平，
(b)对于采样时间点k=-N+1到k=0确定调整量向量u(k)，
(c)确定用于描述所述功率电子系统(1)的采样时间点k时的第一系统模型函数f(x(k)，u(k))，该函数依赖于在采样时间点k时的调整量向量u(k)和系统状态向量x(k)，
(d)确定用于描述所述功率电子系统(1)的采样时间点k时的第二系统模型函数g(x(k)，u(k))，该函数依赖于在采样时间点k时的调整量向量u(k)和系统状态向量x(k)，
其特征在于，
在采样时间点k=0的系统状态向量x(k)的估计以下列步骤实现：
(e)对于采样时间点k=-N+1到k=0中的每个采样时间点使系统状态向量x(k)和系统状态向量x(k+1)如此变化，即，使得系统状态向量x(k+1)与第一系统模型函数f(x(k)，u(k))的差的向量范数和输出量向量y(k)与第二系统模型函数的差的向量范数相加的和在采样时间点k＝-N+1到k=0上最小，
(f)选择在采样时间点k=0的系统状态向量x(k)，以及
(g)第一系统模型函数f(x(k)，u(k))与第二系统模型函数g(x(k)，u(k))分别是仿射线性的。
2.一种用于估计功率电子系统(1)状态的方法，其中系统(1)具有变频器电路(4)，所述方法采用下列步骤
(a)对于采样时间点k=-N+1到k=0确定所述变频器电路的输出量向量y(k)，其中N是可预先设定的采样水平，
(b)对于采样时间点k=-N+1到k=0确定调整量向量u(k)，
(c)确定用于描述所述功率电子系统(1)的采样时间点k的第一系统模型函数f(x(k)，u(k))，该函数依赖于在采样时间点k时的调整量向量u(k)和系统状态向量x(k)，
(d)确定用于描述所述功率电子系统(1)的采样时间点k的第二系统模型函数g(x(k)，u(k))，该函数依赖于在采样时间点k时的调整量向量u(k)和系统状态向量x(k)，
其特征在于，
在采样时间点k=0的系统状态向量x(k)的估计以下列其它步骤实现：
(e)对于采样时间点k=-N+1到k=0中的每个采样时间点使系统状态向量x(k)和系统状态向量x(k+1)如此变化，即，使得系统状态向量x(k+1)与第一系统模型函数f(x(k)，u(k))的差的向量范数和输出量向量y(k)与第二系统模型函数的差的向量范数相加的和在采样时间点k=-N+1到k=0上最小，
(f)选择在采样时间点k=0的系统状态向量x(k)，以及
(g)第一系统模型函数f(x(k)，u(k))与第二系统模型函数g(x(k)，u(k))分别是分段仿射线性的。
3.根据权利要求1或者2中的任一项的所述方法，其特征在于，分别将绝对值和范数选为系统状态向量x(k+1)与第一系统模型函数f(x(k)，u(k))的差的向量范数和输出量向量y(k)与第二系统模型函数g(x(k)，u(k))的差的向量范数。
4.根据权利要求1或者2的所述方法，其特征在于，分别将欧氏范数选为系统状态向量x(k+1)与第一系统模型函数f(x(k)，u(k))的差的向量范数和输出量向量y(k)与第二系统模型函数g(x(k)，u(k))的差的向量范数。
5.根据权利要求1或者2的所述方法，其特征在于，分别将最大范数选为系统状态向量x(k+1)与第一系统模型函数f(x(k)，u(k))的差的向量范数和输出量向量y(k)与第二系统模型函数g(x(k)，u(k))的差的向量范数。
6.根据权利要求1到2中的任一项的所述方法，其特征在于，对于采样时间点k=-N+1到k=0中的每一个采样时间点将系统状态向量x(k)和系统状态向量x(k+1)的变动存入分配表格，其中对于采样时间点k=-N+1到k=0中的每一个采样时间点，系统状态向量x(k)和系统状态向量x(k+1)对应到输出量向量y(k)和调整量向量u(k)。
7.根据权利要求1到2中的任一项的所述方法，其特征在于，连续计算对于采样时间点k=-N+1到k=0中的每一个采样时间点的系统状态向量x(k)和系统状态向量x(k+1)的变动。
CN200910175936.7A 2008-09-11 2009-09-11 用于估计功率电子系统状态的方法 Expired - Fee Related CN101673086B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP08164149A EP2163955B1 (de) 2008-09-11 2008-09-11 Verfahren zur Schätzung von Kapazitiven und Induktiven Zuständen eines Motors auf einem Kalman Filter basierend
EP08164149.0 2008-09-11

Publications (2)

Publication Number Publication Date
CN101673086A CN101673086A (zh) 2010-03-17
CN101673086B true CN101673086B (zh) 2014-06-04

Family

ID=40404340

Family Applications (1)

Application Number Title Priority Date Filing Date
CN200910175936.7A Expired - Fee Related CN101673086B (zh) 2008-09-11 2009-09-11 用于估计功率电子系统状态的方法

Country Status (10)

Country Link
US (1) US8364459B2 (zh)
EP (1) EP2163955B1 (zh)
JP (1) JP5456422B2 (zh)
KR (1) KR20100031083A (zh)
CN (1) CN101673086B (zh)
AT (1) ATE502328T1 (zh)
CA (1) CA2677528A1 (zh)
DE (1) DE502008002889D1 (zh)
PL (1) PL2163955T3 (zh)
RU (1) RU2484516C2 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108512474B (zh) * 2018-02-09 2020-07-14 旋智电子科技（上海）有限公司 电机电流调整方法及电机电流调整装置
CN110705035B (zh) * 2019-09-09 2021-04-30 清华大学 大容量电力电子系统的离散状态事件驱动解耦仿真方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0438887A2 (en) * 1990-01-26 1991-07-31 AT&T Corp. Kalman filter-based optimizer and controller
US6801810B1 (en) * 1999-05-14 2004-10-05 Abb Research Ltd. Method and device for state estimation
CN1680893A (zh) * 2004-04-08 2005-10-12 发那科株式会社 减振控制装置
CN101075741A (zh) * 2007-05-15 2007-11-21 浙江大学 考虑负荷电压特性的非线性动态状态估计算法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19751375A1 (de) * 1997-11-20 1999-05-27 Christian Dipl Ing Obermeier Verfahren zur Rekonstruktion von Lastkräften bzw. Lastmomenten sowie Beschleunigungen bei elektrischen Antrieben aus den Informationen der Klemmengrößen im geschlossenen Drehzahl- oder Lageregelkreis
EP1253706B1 (de) * 2001-04-25 2013-08-07 ABB Schweiz AG Leistungselektronische Schaltungsanordnung und Verfahren zur Uebertragung von Wirkleistung
WO2004015908A2 (en) * 2002-08-09 2004-02-19 Alphatech, Inc. Control systems and methods using a partially-observable markov decision process (po-mdp)
US7003426B2 (en) * 2002-10-04 2006-02-21 General Electric Company Method and system for detecting precursors to compressor stall and surge
US7128167B2 (en) * 2002-12-27 2006-10-31 Schlumberger Technology Corporation System and method for rig state detection
EP1670135B1 (de) 2004-12-10 2009-04-08 Abb Research Ltd. Verfahren zum Betrieb einer rotierenden elektrischen Maschine

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0438887A2 (en) * 1990-01-26 1991-07-31 AT&T Corp. Kalman filter-based optimizer and controller
US6801810B1 (en) * 1999-05-14 2004-10-05 Abb Research Ltd. Method and device for state estimation
CN1680893A (zh) * 2004-04-08 2005-10-12 发那科株式会社 减振控制装置
CN101075741A (zh) * 2007-05-15 2007-11-21 浙江大学 考虑负荷电压特性的非线性动态状态估计算法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
卢建宁.《基于LMI的若干混杂系统稳定性分析与综合研究》.《中国博士学位论文全文数据库（电子期刊）》.2006,(第8期), *

Also Published As

Publication number Publication date
PL2163955T3 (pl) 2011-08-31
US8364459B2 (en) 2013-01-29
DE502008002889D1 (de) 2011-04-28
JP2010094013A (ja) 2010-04-22
US20100070247A1 (en) 2010-03-18
RU2009134011A (ru) 2011-03-20
CA2677528A1 (en) 2010-03-11
EP2163955A1 (de) 2010-03-17
EP2163955B1 (de) 2011-03-16
JP5456422B2 (ja) 2014-03-26
KR20100031083A (ko) 2010-03-19
CN101673086A (zh) 2010-03-17
ATE502328T1 (de) 2011-04-15
RU2484516C2 (ru) 2013-06-10

Similar Documents

Publication Publication Date Title
CN107453587B (zh) 用于半谐振电压转换器中的相电流估计的方法和装置
CN102403899B (zh) 用于开关调节器的集成电路器件及其设计方法
WO2010059900A1 (en) Digital compensator for power supply applications
EP1593014A2 (en) Digital signal processor architecture optimized for controlling switched mode power supply
CN103399485B (zh) 用于位置伺服系统的部分周期重复控制器
Wang et al. Multi‐rate real‐time model‐based parameter estimation and state identification for induction motors
JP5487438B2 (ja) 電力変換回路の制御装置および制御方法
CN104704376B (zh) 用于测量经过开关的电流的方法和装置
CN106452140A (zh) 一种单相逆变器自适应电流模型预测控制方法
CN101673086B (zh) 用于估计功率电子系统状态的方法
CN112910362A (zh) 永磁同步电机无模型预测电流控制方法
Dos Santos et al. Robust finite control set model predictive current control for induction motor using deadbeat approach in stationary frame
Uma et al. Implementation of real-coded GA-based fuzzy controller for sensorless SR motor drive
Lee et al. A study on the efficiency optimum design of a permanent magnet type linear synchronous motor
EP2555401A1 (en) Power conversion circuit control device
Ruderman Computationally efficient formulation of relay operator for Preisach hysteresis modeling
Velázquez et al. Speed estimation for an induction motor using the extended Kalman filter
Almakhles et al. Single-bit modulator based controller for capacitive power transfer system
US10797715B2 (en) Filtering method and filter
CN109256944B (zh) 一种Cuk变换器的自抗扰控制方法
JP3513633B2 (ja) 未知連続時間システムの同定方法及び装置と、同装置を用いた制御システム
JP4313103B2 (ja) 増幅装置及び電源装置
CN110224594B (zh) 一种直流降压电路的输出电压控制方法和装置
Pastor et al. Predictive control of grid-connected multilevel inverter with output lcl filter
Zahraoui et al. Robust Control of Induction Motor Drive Facing a Large Scale Rotor Resistance Variation

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20140604

Termination date: 20150911

EXPY Termination of patent right or utility model